Mooc数据分析-02数据展示

主要内容是Matplotlib库的基本使用和方法

1 Matplotlib库

1.1 Matplotlib的介绍

　　Python优秀的数据可视化第三方库

　　数据可视化就是将数据以特定的图形图像的方式展示出来, 使数据更加的直观明了

　　范例网站

　　Matplotlib库是由各种可视化类构成, 内部结构复杂

　　为了简洁使用, 可以使用matplotlib.pyplot这个绘制各类可视化图形的命令子库, 类似于快捷方式的库来简化操作

　　导入

import matplotlib.pyplot as plt

　　　　同样plt也是约定俗成的别名

　　基本使用

　　　　使用plt.plot(数组)传入数组, 如果只有一个一维数组, 那么数组的值会指定给Y轴, X轴为他们的索引值

　　　　使用plt.ylabel(名字)设置Y轴的名字

　　　　使用plt.savefig(文件名, dpi=dpi的大小)保存图像为图像文件, dpi一般设置为600, 默认是PNG格式保存

　　　　使用plt.show()在IPython中展示生成的图形

　　　　使用plt.axis([x1, x2, y1, y2])可以设置X轴的起点和终点, Y轴的起点和终点

　　　　相关代码如下

import matplotlib.pyplot as plt

plt.plot([0, 2, 4, 6, 8], [3, 1, 4, 5, 2])
plt.ylabel("Y")
plt.axis([-1, 10, 0, 6])
plt.savefig("test", dpi=600)
plt.show()

　　　　相关结果如下

　　pyplot的绘图区域

　　　　使用plt.subplot(nrows, ncols, plot_number)在全局绘图区域中创建一个分区体系, 然后指定在哪个子区域里绘图

　　　　其中nrows表示横向划分多少的区域, ncols表示纵向划分多少的区域, 子区域的标号是从1开始的, 从上到下从左到右依次排序

　　　　另外在数量小的时候, 这三个参数之间的逗号可以去掉

　　　　具体代码如下

import numpy as np
import matplotlib.pyplot as plt

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

a = np.arange(0.0, 5.0, 0.02)

plt.subplot(211)
plt.plot(a, f(a))

plt.subplot(2,1,2)
plt.plot(a, np.cos(2*np.pi*a), ‘r--‘)
plt.show()

　　　　具体效果如下

1.2 pyplot的plot()函数

　　plot()的具体形式如下:

plt.plot(x, y, format_string, **kwargs)

　　　　x: X轴的数据, 可以是列表或者数组, 可选项, 但是当绘制多条曲线的时候, 各条曲线的x不能省略

　　　　y: Y轴的数据, 列表或数组, 必填项

　　　　format_string: 控制曲线的格式的字符串, 可选项

　　　　**kwargs: 第二组或更多的 (x, y, format_string)

　　　　绘制多条图像

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(10)
plt.plot(a, 1.5*a, a, 2.5*a, a, 3.6*a, a, 4.5*a)
plt.show()

　　　　结果为

　　　　??

　　曲线的格式控制

　　　　format_string由制颜色字符, 风格字符和标记字符组成

　　　　具体有

　　　　更改之前的风格代码

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(10)
plt.plot(a, 1.5*a, ‘go-‘, a, 2.5*a, ‘rx‘, a, 3.6*a, ‘*‘, a, 4.5*a, ‘b-.‘)
plt.show()

　　　　效果为

　　关于**kwargs

　　　　可以添加更多更详细的参数

　　　　color: 控制颜色, color="green"

　　　　linestyle: 线条风格, linestyle="dashed"

　　　　marker: 标记风格, marker="o", 这三个和前面的format是对应的, 此外还有

　　　　markerfacecolor: 标记的颜色, markerfacecolor="blue"

　　　　markersize: 标记的尺寸, markersize=20

　　　　...

1.3 pyplot的中文显示

　　默认情况下, pyplot并不支持中文字符, 在最开始的折线图中, 如果设置ylabel()为中文, 则在图像中不能正常显示

　　要显示中文有种办法

　　1) 使用rcParams

　　　　设置其font.family为中文字符

　　　　具体代码如下

import matplotlib.pyplot as plt
import matplotlib

matplotlib.rcParams[‘font.family‘] = ‘SimHei‘
plt.plot([0, 2, 4, 6, 8], [3, 1, 4, 5, 2])
plt.ylabel("Y轴坐标")
plt.axis([-1, 10, 0, 6])
plt.savefig("test", dpi=600)
plt.show()

　　　　具体效果

　　　　　　其中SimHei是黑体

　　　　具体更多参数

　　　　相应的中文字体种类

　　　　参考实例

import numpy as np
import matplotlib.pyplot as plt
import matplotlib

matplotlib.rcParams[‘font.family‘] = ‘FangSong‘
matplotlib.rcParams[‘font.size‘] = 20

a = np.arange(0.0, 5.0, 0.02)

plt.xlabel("X轴: 时间")
plt.ylabel("Y轴: 振幅")

plt.plot(a, np.cos(2*np.pi*a)+1, ‘r--‘)
plt.savefig(‘test2‘, dpi=600)
plt.show()

　　　　效果为

　　2) 增加 fontproperties属性

　　　　在上述的例子中, 可以在xlabel中增加参数fontproperties来限定显示的字体, 用此来解决中文显示

　　　　具体代码如下

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(0.0, 5.0, 0.02)

plt.xlabel("X轴: 时间", fontproperties="FangSong", fontsize=20)
plt.ylabel("Y轴: 振幅", fontproperties="FangSong", fontsize=20)

plt.plot(a, np.cos(2*np.pi*a)+1, ‘r--‘)
plt.show()

　　两种方法的区别就是第一种是全局修改, 第二种是指定修改

　　建议使用第二种方法, 但是为了统一可以使用方法一

1.4 pyplot的文本显示

　　常见的文本显示函数是

　　　　其中title会在整个图形的正中上放写上文字

　　具体实例如下

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(0.0, 5.0, 0.02)
plt.plot(a, np.cos(2*np.pi*a)+2, ‘r--‘)

plt.xlabel("X轴: 时间", fontproperties="FangSong", fontsize=15, color=‘green‘)
plt.ylabel("Y轴: 振幅", fontproperties="FangSong", fontsize=15)
plt.title(r‘正玄波实例$y=cos(2\pi x)$‘, fontproperties="SimHei", fontsize=25)
plt.text(2, 3, r‘$\mu=100$‘, fontsize=15)

plt.axis([-1, 6, 0, 4])
plt.grid(True)
plt.savefig(‘test3‘, dpi=600)
plt.show()

　　效果为

　　其中$$这种是LeTeX的语法

　　title()第一个参数表示横坐标的位置, 第二个参数是纵坐标的位置

　　grid(True)增加网格显示

　　关于annotate函数

plt.annotate(s, xy=arrow_crd, xytext=text_crd, arrowprops=dict)

　　　　s: 要注解的字符串

　　　　xy: 箭头所在的位置

　　　　xytext: 文本显示的位置

　　　　arrowprops: 定义了整个箭头显示的属性

　　具体代码如下

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(0.0, 5.0, 0.02)
plt.plot(a, np.cos(2*np.pi*a)+2, ‘r--‘)

plt.xlabel("X轴: 时间", fontproperties="FangSong", fontsize=15, color=‘green‘)
plt.ylabel("Y轴: 振幅", fontproperties="FangSong", fontsize=15)
plt.title(r‘正玄波实例$y=cos(2\pi x)$‘, fontproperties="SimHei", fontsize=25)
plt.annotate(r"$\mu=100$", xy=(2, 3), xytext=(3, 3.5), arrowprops=dict(
        facecolor="black", shrink=0.1, width=2
        ))

plt.axis([-1, 6, 0, 4])
plt.grid(True)
plt.savefig(‘test3‘, dpi=600)
plt.show()

　　效果为

1.5 绘制子绘图区域